Python动态属性赋值的类型注解：静态检查的挑战与解决方案

class _ModuleRegistry(object):
    _modules = {}

    def defer_import(
        self,
        import_statement: str,
        import_name: str,
    ):
        self._modules[import_name] = import_statement
        setattr(self, import_name, None) # 初始设置为None

    def __getattribute__(self, __name: str):
        # 拦截属性访问，如果属性尚未加载且在_modules中注册，则执行导入
        if (
            __name
            and not __name.startswith("__")
            and __name not in ("defer_import", "_modules")
        ):
            import_statement = self._modules.get(__name)
            if import_statement:
                # 动态执行导入语句
                exec(import_statement, globals()) # 注意这里使用globals()以确保导入的模块在全局范围内可用
                setattr(self, __name, globals().get(__name)) # 将导入的对象赋值给实例属性
            ret_val = globals().get(__name) # 尝试从globals()获取，因为exec可能改变globals
            if ret_val:
                return ret_val
            else:
                return None
        else:
            # 对于非动态或已存在的属性，调用父类方法
            val = super().__getattribute__(__name)
            return val

registry = _ModuleRegistry()
registry.defer_import("from pandas import read_csv", "read_csv")

# 此时，我们希望类型检查器能知道 registry.read_csv 是一个函数
print(registry.read_csv)

from typing import TYPE_CHECKING

# 运行时实际的_ModuleRegistry类，可能是一个简化的版本或者如原代码所示的动态加载器
class _ModuleRegistry:
    def defer_import(self, import_statement: str, import_name: str):
        # 实际运行时逻辑，可能像原代码一样动态加载
        pass # 简化处理，因为TYPE_CHECKING块只影响类型检查

    # ... 其他 __getattribute__ 等运行时逻辑 ...

# 在类型检查时，我们为registry定义其可能拥有的动态属性
if TYPE_CHECKING:
    # 这是一个类型检查器专用的代码块
    # 在这里，我们“假装”registry已经有了这些属性，并给出它们的类型
    # 为了演示，这里使用defaultdict和Namespace作为例子，因为pandas在某些环境可能没有预设的mypy类型信息
    from collections import defaultdict
    from argparse import Namespace # Namespace可以作为任意支持属性赋值的通用对象

    # 声明一个临时的registry对象，其类型可以被类型检查器理解
    # 这里用Namespace模拟一个可以动态添加属性的对象
    _registry_for_type_checking = Namespace() 
    _registry_for_type_checking.defaultdict = defaultdict # 赋予其类型信息

    # 将真实的registry对象“视为”这个带有类型信息的对象
    # 这种做法通常是为现有对象提供一个临时的、类型丰富的视图
    registry = _registry_for_type_checking # 类型检查器会使用这个
else:
    # 实际运行时，registry是_ModuleRegistry的实例
    registry = _ModuleRegistry()

# 运行时调用 defer_import
registry.defer_import("from collections import defaultdict", "defaultdict")

# 使用 reveal_type() 验证类型检查器是否能推断出类型
# 注意：reveal_type() 是MyPy特有的函数，用于调试类型推断，运行时会报错
# reveal_type(registry.defaultdict) 
# 预期的输出类型类似："Overload(def [_KT, _VT] () -> collections.defaultdict[_KT`1, _VT`2], ...)"

# my_module.pyi
from typing import Callable, Any
from pandas import read_csv # 这里可以安全地导入，因为它只用于类型检查

class _ModuleRegistry:
    # 声明 defer_import 方法的类型
    def defer_import(self, import_statement: str, import_name: str) -> None: ...

    # 声明动态添加的属性，例如 read_csv
    read_csv: Callable[..., Any] # 假设 read_csv 是一个函数，类型可以更具体
    # 或者如果知道具体类型，可以直接导入并使用
    # read_csv: Callable[[str, Any], DataFrame] # 假设它返回DataFrame

# 声明 registry 对象的类型
registry: _ModuleRegistry